在人工智能与机器人技术深度融合的当下，具身智能正成为科技巨头竞相角逐的新高地。近日，以 FLUX 图像生成模型闻名的 Black Forest Labs（BFL）宣布推出了一款名为 FLUX 3 Action 的新模型，标志着该实验室正式进军机器人控制领域。这款 70 亿参数（7B）的“世界动作模型”不仅在技术上实现了突破，更在权威的 RoboLab-120 基准测试中取得了领先成绩，为开源机器人社区带来了重大利好。
作为 BFL 在生成式 AI 领域的又一力作，FLUX 3 Action 被设计为一个多模态、端到端的机器人控制核心。与以往需要通过复杂算法分别处理视觉感知和运动规划的模型不同，FLUX 3 Action 采用了一种更为先进的架构。它能够同时处理三种输入信息：来自摄像头的视觉帧、机器人的实时物理状态数据以及用户的自然语言指令。这种多模态融合能力使得机器人不再仅仅是被动执行代码的机器，而是能够像人类一样，通过“看”和“理解”环境来做出决策。
FLUX 3 Action 的核心创新在于其“预测未来”的能力。传统的动作预测模型通常只输出下一步的具体动作，而 FLUX 3 Action 则更进一步，它尝试同时预测未来的视频帧和动作片段。这意味着，模型在接收指令后，不仅知道机器人的手臂应该移动到什么位置，还能“看见”在这个动作执行过程中，环境将发生怎样的变化。这种能力对于处理复杂的现实世界任务至关重要，因为它让机器人具备了处理长尾场景和意外干扰的潜力。
在性能表现上，FLUX 3 Action 展现出了惊人的实力。根据 MarkTechPost 的报道，该模型在 RoboLab-120 基准测试中名列前茅。RoboLab-120 是一个极具挑战性的数据集，旨在测试机器人在多样化、非结构化环境下的控制能力。能够在该基准测试中脱颖而出，证明了 FLUX 3 Action 在处理复杂的运动规划和环境交互方面已经达到了行业领先水平。
对于开发者而言，FLUX 3 Action 的“开放权重”属性具有极高的价值。在大型语言模型领域，开放权重推动了无数应用的创新，而在机器人领域，由于高昂的部署成本和硬件门槛，开源模型一直相对匮乏。BFL 释放 7B 规模的模型权重，极大地降低了具身智能的研究门槛。开发者无需动用昂贵的超级计算机，就有机会在消费级硬件上对模型进行微调和实验，这将加速机器人控制算法的迭代和创新。
从行业影响来看，FLUX 3 Action 的发布进一步巩固了生成式 AI 在具身智能中的核心地位。随着 Sora 等视频生成模型的出现，业界对“世界模型”的探索从未停止。FLUX 3 Action 可以被视为这一趋势在机器人领域的具体落地。它展示了如何利用生成式 AI 的强大泛化能力，来指导物理世界的交互。未来，我们有望看到更多基于此类模型的通用机器人，它们能够在家中自主完成叠衣服、整理桌面等复杂任务，或者在工业流水线上进行高精度的柔性操作。
综上所述，Black Forest Labs 推出的 FLUX 3 Action 不仅是一款性能优异的机器人控制模型，更是具身智能发展历程中的一个重要里程碑。它通过开放权重和强大的预测能力，为全球的开发者提供了一个强大的工具，有望加速下一代智能机器人的诞生。
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/09/24/black-forest-labs-releases-flux-3-action-a-7b-open-weights-world-action-model-that-tops-robolab-120/
